🌐 Stage 8 · AI 오케스트레이션 고급
AI를
팀으로 운영하는 법
단일 AI에서 멀티 에이전트로. 이 Stage는 커리큘럼 전체를 한 단계 위로 올려주는 고급 과정입니다. 장PM이 말한 하네스 엔지니어링의 최고 수준 — AI 한 명을 시키는 것에서 AI 팀을 운영하는 것으로.
✦ 이 커리큘럼을 관통하는 한 문장
"기술은 AI가, 영혼은 사람이"
멀티에이전트 시스템에서 AI 팀이 일을 합니다. 하지만 "누가 무엇을 책임지는지, 사람이 어디서 개입하는지, 어떤 기준으로 검증하는지"는 오직 당신이 설계합니다. 거버넌스 없는 AI 팀은 폭주하는 자동차입니다.
🎯 Stage 7에서 받아온 것 → Stage 8에서 만들 것
예시 프로젝트: AI 뉴스레터 자동화 서비스
Stage 7의 단일 AI 워크플로우를 가져와서 — Dify RAG로 뉴스레터 아카이브를 살아있는 지식베이스로 만들고, 5명의 AI 팀(오케스트레이터·리서처·라이터·리뷰어·퍼블리셔)으로 분담시키고, MCP로 GitHub·Supabase·n8n을 직접 제어하고, 거버넌스 문서로 폭주를 막습니다. VIBE MASTER 자체의 AI 튜터도 RAG로 업그레이드됩니다.
1: 기획
→
2: 문서
→
3: 컨텍스트
→
4: 디자인
→
5: Claude Code
→
6: 배포
→
7: 자동화
→
8: 멀티에이전트
MCP 실전 — 5개 핵심 연결
충전선 USB-C 비유 — Anthropic이 만든 AI ↔ 외부 서비스 연결 표준 규격
Stage 1에서 도구 지도를 봤다면, Stage 7에서 n8n MCP를 한 개 연결했다면, 이제 핵심 5개를 동시에 깔아둡니다. MCP는 충전선 USB-C와 같습니다. 한 번 표준이 정해지면 모든 기기가 그걸 통해 연결됩니다.
🐙
github
코드 저장소 직접 관리
Claude가 PR 만들고, 이슈 등록하고, 커밋 검색까지. Stage 5에서 git push하던 작업을 자연어로.
예: "어제 머지된 PR 5개 요약해줘"
💾
supabase
DB 직접 조회·수정
Claude가 Supabase 대시보드를 열지 않고 SQL 실행. 운영 통계를 즉석에서 뽑음.
예: "오늘 가입한 구독자 몇 명이야?"
📓
notion
문서 관리 자동화
발행한 뉴스레터를 Notion 데이터베이스에 자동 저장. 회고·아이디어 정리도 음성으로.
예: "지난주 뉴스레터를 Notion 아카이브에 정리해줘"
📁
google-drive
파일 관리
Drive에 있는 디자인 자산·계약서·자료 검색 + 공유. 새 폴더 자동 정리.
예: "지난달 계약서 PDF 모두 정리해줘"
🟡
n8n
자동화 워크플로우 직접 제어
Stage 7에서 셋업한 n8n MCP가 여기서 다른 MCP들과 결합. "Supabase에서 어제 결제 실패한 구독자 조회 → Resend로 재시도 안내 메일 → n8n 워크플로우로 등록"이 한 문장으로.
예: "발송 워크플로우 마지막 실행 결과 + 실패 건 보여줘"
🎯 5개 모두 깔면 가능해지는 것
Claude Code 한 화면에서 "오늘 가입한 구독자(supabase) 명단을 Notion 아카이브에 추가하고, GitHub에 README 업데이트하고, n8n 환영 워크플로우 발사해줘"가 한 번에 가능. 5개 SaaS를 6개 탭 열어서 일일이 클릭하던 일을 자연어 한 문장으로.
~/.claude/settings.json (MCP 5개 등록)
JSON
{
"mcpServers": {
"github": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-github"] },
"supabase": { "command": "npx", "args": ["-y", "@supabase/mcp-server-supabase"] },
"notion": { "command": "npx", "args": ["-y", "@notionhq/notion-mcp-server"] },
"gdrive": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-gdrive"] },
"n8n": { "command": "npx", "args": ["-y", "n8n-mcp"] }
}
// 각 서버는 환경변수로 인증 (GITHUB_TOKEN, SUPABASE_KEY 등)
}
Subagents & HITL
자비스 라우터 심화 — 한 명의 AI가 아닌 AI 팀의 운영자가 되기
Stage 5에서 자비스 라우터 개념을 봤습니다. 이제 실제 구현입니다. 메인 에이전트(오케스트레이터)가 작업을 파악해서 적절한 서브에이전트에게 위임하고, 각 서브는 자기 분야만 깊게 파고들면서, 서로 직접 통신하지 않고 메인을 통해 조율됩니다.
⚠️ 서브에이전트 간 직접 통신 금지 — 핵심 원칙
서브가 서로 직접 부르면 컨텍스트 폭발 + 책임 추적 불가. 모든 통신은 오케스트레이터를 통해. 오케스트레이터는 작업 분배 + 결과 취합만 담당. 이게 토큰 비용을 절반으로 줄이는 비결.
🎭 뉴스레터 서비스 멀티에이전트 구조
오케스트레이터
자비스 — 전체 흐름 감독
↓ 위임 + 결과 취합
리서처
뉴스 수집
+ 요약
+ 요약
라이터
뉴스레터
초안 작성
초안 작성
리뷰어
품질 검토
+ 팩트체크
+ 팩트체크
퍼블리셔
발송
실행
실행
📐 각 에이전트의 책임 범위 (AGENT.md에 명시)
오케스트레이터: 사용자 요청 분석 → 어떤 서브에게 시킬지 결정 → 결과 취합·검증
리서처: 외부 뉴스 API 호출 + Claude 요약 (다른 에이전트와 무관)
라이터: 리서처 결과를 받아 뉴스레터 톤으로 변환 + 헤드라인 생성
리뷰어: 라이터 결과 검토. 오타·팩트·길이 체크. 통과 못하면 라이터에게 재작업 요청 (오케스트레이터 통해)
퍼블리셔: 리뷰 통과한 결과만 받아 Resend 발송. 절대 자체 검증 X.
리서처: 외부 뉴스 API 호출 + Claude 요약 (다른 에이전트와 무관)
라이터: 리서처 결과를 받아 뉴스레터 톤으로 변환 + 헤드라인 생성
리뷰어: 라이터 결과 검토. 오타·팩트·길이 체크. 통과 못하면 라이터에게 재작업 요청 (오케스트레이터 통해)
퍼블리셔: 리뷰 통과한 결과만 받아 Resend 발송. 절대 자체 검증 X.
👤 HITL (Human-in-the-Loop) — 사람이 끼어드는 시점
"모든 걸 자동화"가 답이 아닙니다. 틀리면 비싼 작업, 사람의 판단이 필요한 작업, 책임이 큰 작업은 반드시 사람 승인을 거칩니다. HITL 결정 매트릭스로 명확히 구분.
✅ 자동 진행 OK
사람 개입 불필요
• 뉴스 수집·요약 (재실행 가능)
• 환영 이메일 발송 (템플릿 고정)
• 텔레그램 시스템 알림
• 발송 로그 기록
• 주간 지표 수집·집계
• 환영 이메일 발송 (템플릿 고정)
• 텔레그램 시스템 알림
• 발송 로그 기록
• 주간 지표 수집·집계
⚠️ 사람 승인 필수
반드시 검토 후
• 매일 뉴스레터 본문 발송 (전체 구독자)
• 환불·결제 취소 처리
• 새 가격 정책·이벤트
• 유료 광고 카피 발행
• 약관·개인정보 처리방침 변경
• 환불·결제 취소 처리
• 새 가격 정책·이벤트
• 유료 광고 카피 발행
• 약관·개인정보 처리방침 변경
🚦 HITL 판단 3가지 기준
1. 되돌릴 수 있는가? 발송한 메일은 못 회수 → HITL. 텔레그램 운영자 알림은 무관 → 자동.
2. 비용이 큰가? 잘못 발송 시 영향받는 사용자 수 × 손해. 100명 이상이면 HITL.
3. 정책·법적 의미가 있나? 환불·약관·결제는 무조건 HITL.
2. 비용이 큰가? 잘못 발송 시 영향받는 사용자 수 × 손해. 100명 이상이면 HITL.
3. 정책·법적 의미가 있나? 환불·약관·결제는 무조건 HITL.
🛎️ HITL 구현 패턴 — 텔레그램 승인 봇
뉴스레터 본문이 준비되면 리뷰어 → 텔레그램으로 운영자에게 미리보기 + "발송하시겠습니까?" 버튼. 운영자가 ✅ 누르면 퍼블리셔가 발송. ❌ 누르면 라이터에게 재작업 요청. 10초의 사람 개입이 100통의 잘못된 발송을 막습니다.
⚡ 멀티에이전트 설계 프롬프트 (AGENT.md)
AI 뉴스레터 자동화 서비스의 멀티에이전트 설계서를 작성해줘.
구조: 1 오케스트레이터 + 4 서브에이전트
파일명: AGENT.md (CLAUDE.md와 동급)
각 에이전트 정의 형식:
[name]: 에이전트 이름
[role]: 한 줄 책임
[input]: 받는 것 (어디서/누구에게서)
[output]: 만드는 것 (누구에게 전달)
[tools]: 사용 가능한 MCP·Skill·Hook (제한적으로!)
[forbidden]: 절대 하면 안 되는 것
[hitl_required]: 사람 승인이 필요한 케이스
[escalation]: 실패 시 누구에게 알리나
5개 에이전트:
1. 오케스트레이터 — 작업 분배 + 결과 취합 (사용자 요청 진입점)
2. 리서처 — 뉴스 수집 + 요약 (외부 API + Claude)
3. 라이터 — 뉴스레터 초안 작성 (톤·길이·구조)
4. 리뷰어 — 품질 검토 + 팩트체크 (실패 시 라이터에게 재작업 요청)
5. 퍼블리셔 — 발송 실행 (HITL 승인 받은 후만!)
마지막에 통신 흐름도 (오케스트레이터 중심).
서브 간 직접 통신 금지 명시.
RAG + Dify 연동
"내 문서로 답하는 AI" — 살아있는 지식베이스를 30분에 만들기
RAG(Retrieval-Augmented Generation)는 "AI가 모르는 내 문서를 미리 찾아본 뒤 답하게 만드는 기술"입니다. 일반 Claude는 일반 지식만 알지만, RAG Claude는 내 회사 문서·내 발행한 뉴스레터·내 내부 매뉴얼을 보고 답합니다.
일반 AI
학습 데이터만
✓ 일반 지식 풍부
✗ 내 회사 정보 모름
✗ 어제 뉴스 모름
✗ 내 뉴스레터 아카이브 모름
✗ "지난주 발행한 IT 트렌드 뭐였어?" → 모름
✗ 내 회사 정보 모름
✗ 어제 뉴스 모름
✗ 내 뉴스레터 아카이브 모름
✗ "지난주 발행한 IT 트렌드 뭐였어?" → 모름
VS
RAG AI
내 문서 + 학습 데이터
✓ 일반 지식 + 내 문서까지
✓ 어제 발행한 뉴스레터 인지
✓ 사용자별 구독 이력 활용
✓ 출처(어떤 문서) 함께 답변
✓ "지난주 IT 트렌드" → 정확히 답변
✓ 어제 발행한 뉴스레터 인지
✓ 사용자별 구독 이력 활용
✓ 출처(어떤 문서) 함께 답변
✓ "지난주 IT 트렌드" → 정확히 답변
🔬 벡터 데이터베이스 — "의미 기반 검색"
RAG의 핵심은 벡터 DB. 키워드가 아니라 "의미"로 비슷한 문서를 찾는 검색기. "AI 트렌드"로 검색해도 "인공지능 동향" 문서를 찾아냅니다. Dify가 이 복잡한 부분을 다 해줍니다.
🎨 Dify 실전 — 4단계로 RAG 앱 만들기
1. 가입
Dify 무료 계정
지식베이스 생성
지식베이스 생성
→
2. 업로드
PDF·Markdown
·URL 첨부
·URL 첨부
→
3. AI 앱 연결
지식베이스 → 챗봇
(LLM 선택)
(LLM 선택)
→
4. API 발급
엔드포인트 + 키
외부 호출 가능
외부 호출 가능
📰 뉴스레터 아카이브 RAG — 실전 예시
지식베이스: 발행한 모든 뉴스레터(약 100편)를 마크다운으로 업로드
구독자 질문: "지난주 AI 트렌드 핵심 3개만 알려줘"
RAG 동작: 벡터 DB에서 "AI 트렌드" 의미 매칭 → 지난주 뉴스레터 3편 검색 → Claude에 컨텍스트로 주입 → "출처: 5/12 발행분, 5/14 발행분..." 함께 답변
구독자가 자기 마이페이지에서 자기만의 큐레이션을 받는 차별화 포인트.
구독자 질문: "지난주 AI 트렌드 핵심 3개만 알려줘"
RAG 동작: 벡터 DB에서 "AI 트렌드" 의미 매칭 → 지난주 뉴스레터 3편 검색 → Claude에 컨텍스트로 주입 → "출처: 5/12 발행분, 5/14 발행분..." 함께 답변
구독자가 자기 마이페이지에서 자기만의 큐레이션을 받는 차별화 포인트.
⚡ VIBE MASTER 자체에 적용 — AI 튜터를 RAG로 업그레이드
지금 보고 있는 이 페이지의 AI 튜터는 일반 Claude API를 호출합니다. 9개 Stage HTML 파일 전체를 Dify 지식베이스에 올리면, AI 튜터가 VIBE MASTER 전체 커리큘럼을 알고 답하는 RAG 챗봇으로 업그레이드됩니다.
AI 튜터 fetch URL 교체 — Dify API로
JavaScript
// 기존 (일반 Claude API)
const res = await fetch('https://api.anthropic.com/v1/messages', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({ model: 'claude-sonnet-4-20250514', ... })
});
// → Dify RAG로 교체 (VIBE MASTER 전체 커리큘럼 인지)
const res = await fetch('https://api.dify.ai/v1/chat-messages', {
method: 'POST',
headers: {
'Authorization': `Bearer ${DIFY_API_KEY}`,
'Content-Type': 'application/json'
},
body: JSON.stringify({
inputs: { stage: '8' },
query: prompt,
response_mode: 'blocking',
conversation_id: ''
})
});
// 응답에 출처가 포함됨: "Stage 5 챕터 6에서..."
🎓 RAG 업그레이드 후 가능해지는 것
이전: "Karpathy 4원칙 알려줘" → 일반 지식으로 답
이후: "Karpathy 4원칙 알려줘" → "Stage 3 섹션 1에서 다뤘듯이..." + Stage 5 적용 사례까지 연결
커리큘럼 학습자가 9개 Stage를 횡단하며 질문할 수 있게 됩니다.
이후: "Karpathy 4원칙 알려줘" → "Stage 3 섹션 1에서 다뤘듯이..." + Stage 5 적용 사례까지 연결
커리큘럼 학습자가 9개 Stage를 횡단하며 질문할 수 있게 됩니다.
⚡ Dify 지식베이스 구성 프롬프트
AI 뉴스레터 서비스의 Dify 지식베이스를 구성해줘.
목적: 구독자가 마이페이지에서 "지난 발행분에 대해 무엇이든 질문" 가능
지식베이스 설계:
1. 컬렉션 분류 (3개)
- newsletters_archive: 발행한 뉴스레터 전체 (마크다운)
- faq: 서비스 자주 묻는 질문 (수동 작성)
- product_info: 가격·기능·결제 안내
2. 청킹 전략 (chunk size + overlap)
- 뉴스레터: 500토큰 + 50 overlap (기사 단위 보존)
- FAQ: 200토큰 + 0 overlap (Q&A 쌍 보존)
3. 임베딩 모델 선택 (한국어 우수한 것)
4. 검색 설정 (top_k, score threshold)
5. AI 앱 구성
- LLM: claude-sonnet-4
- System Prompt: "구독자 질문에 발행한 뉴스레터에서 근거 찾아 답하기. 모르면 모른다 말하기. 출처 표시 필수."
- Variables: {{user_id}}, {{user_topics}}
6. API 호출 형식 (Next.js fetch 코드)
7. 비용 예상 (구독자 100명 × 월 10건 질문 기준)
에이전트 거버넌스
"AI 팀이 폭주하지 않게 하는 헌법" — 권한·감사·복구 3종 세트
멀티에이전트 시스템은 강력한 만큼 위험합니다. "AI가 production DB를 wipe했다", "잘못된 가격 메일이 1만 명에게 갔다"가 진짜 일어납니다. 거버넌스는 그걸 막는 안전벨트입니다.
🚨 왜 거버넌스가 필수인가
1. 에이전트는
2. 권한 범위가 모호하면 발송 에이전트가 결제 데이터까지 건드릴 수 있음
3. 사고 발생 시 "누가 무엇을 언제 했는지"를 추적 못하면 재발 방지 불가
거버넌스 = settings.json + 권한 정의 + 감사 로그 + Checkpoint·Rewind
rm -rf 같은 명령을 무비판적으로 실행 가능2. 권한 범위가 모호하면 발송 에이전트가 결제 데이터까지 건드릴 수 있음
3. 사고 발생 시 "누가 무엇을 언제 했는지"를 추적 못하면 재발 방지 불가
거버넌스 = settings.json + 권한 정의 + 감사 로그 + Checkpoint·Rewind
📋 뉴스레터 서비스 에이전트 권한 매트릭스
🔍 리서처
허용: 외부 뉴스 API 호출, Claude 요약. 금지: DB 쓰기, 사용자 데이터 접근
읽기 전용
✍️ 라이터
허용: newsletters 테이블 INSERT (status=draft만). 금지: 발송, 사용자 데이터 접근
제한적 쓰기
🔬 리뷰어
허용: newsletters 읽기 + status 수정(approved/rejected). 금지: 본문 수정, 발송
제한적 쓰기
📨 퍼블리셔
허용: approved 뉴스레터만 발송 + send_logs 기록. 금지: 구독자 삭제, 결제 변경
HITL 승인
💳 결제 관리
허용: 결제 이력 조회, 영수증 발송. 금지: 환불·취소(반드시 사람)
HITL 승인
🛡️ 거버넌스 4종 도구 — Stage 3·5 복습 + 심화
| 도구 | 역할 | 실전 적용 |
|---|---|---|
| settings.json Hooks | 위험 명령 자동 차단 | PreToolUse: rm/git push --force/.env 수정 차단 |
| 권한 범위 정의 | 에이전트별 행동 제한 | AGENT.md에 [forbidden] 섹션 + Supabase RLS |
| 감사 로그 | "누가 언제 무엇을 했나" 기록 | send_logs + agent_audit_logs 테이블 (모든 행동 기록) |
| Checkpoint + Rewind | 실패 시 이전 상태로 되돌리기 | Claude Code Esc+Esc + Harness pending 재시도 |
⚡ 에이전트 거버넌스 문서 작성 프롬프트
AI 뉴스레터 자동화 서비스의 에이전트 거버넌스 문서를 작성해줘.
파일명: GOVERNANCE.md
대상: 5개 에이전트 (오케스트레이터 + 4 서브)
문서 구조:
1. 권한 매트릭스 (표)
- 각 에이전트별 허용 vs 금지 액션
- 읽기/쓰기/HITL 승인 분류
- Supabase RLS 정책 매핑
2. 감사 로그 설계 (DB 스키마)
CREATE TABLE agent_audit_logs (
id, agent_name, action, resource, status,
before_state JSONB, after_state JSONB,
timestamp, hitl_approved_by
)
3. HITL 승인 흐름 (텔레그램 봇 활용)
- 어떤 액션이 HITL 필요한지 (체크리스트)
- 승인 요청 메시지 템플릿
- 승인 시간 초과 시 동작 (자동 거절)
4. 사고 복구 절차 (Runbook)
- 시나리오 5개 (잘못된 발송 / DB 손상 / 결제 오작동 / API 키 노출 / 무한 루프)
- 각 시나리오 즉시 행동 + 사후 분석
5. settings.json Hooks 완성본
- PreToolUse: 위험 명령 차단
- Stop: 작업 종료 시 감사 로그 기록
마크다운, 사고 발생 시 Runbook 그대로 따라할 수 있는 수준으로.
컨텍스트 엔지니어링 심화 — 메타 프롬프팅
"프롬프트가 프롬프트를 만드는 구조" — 자가 발전하는 시스템
메타 프롬프팅은 "AI에게 프롬프트를 만들게 하는 프롬프트"입니다. 한 단계 위. 자기 검증 루프와 결합하면 시간이 갈수록 더 나은 프롬프트로 진화하는 시스템이 됩니다.
🔁 장PM 메타 스킬 5단계 사이클
🎯 자동 자기검증 루프 — autoresearch SKILL의 진가
Stage 5에서 설치한
흐름: 새 SKILL 작성 → autoresearch가 자동으로 분석 → 약점·누락 진단 → 개선안 제시 → 적용 → 다시 검증.
시간이 갈수록 SKILL 품질이 자동으로 올라가는 자가 진화 시스템. 한 달 후 동일 SKILL은 처음보다 50% 정확.
/autoresearch SKILL이 여기서 빛납니다.흐름: 새 SKILL 작성 → autoresearch가 자동으로 분석 → 약점·누락 진단 → 개선안 제시 → 적용 → 다시 검증.
시간이 갈수록 SKILL 품질이 자동으로 올라가는 자가 진화 시스템. 한 달 후 동일 SKILL은 처음보다 50% 정확.
🌀 재귀적 프롬프트 체인 — 뉴스레터 서비스 적용
레벨 1: "오늘 뉴스레터 작성해줘" → 라이터 작동
레벨 2: "이 뉴스레터를 더 좋게 만들 프롬프트를 짜줘" → 메타 프롬프트 생성
레벨 3: 그 메타 프롬프트로 다시 작성 → 비교 → 더 나은 것 채택
레벨 4: 그 결과를 reflect로 CLAUDE.md에 패턴으로 저장
매번 같은 작업이 매번 더 나아집니다. 6개월 후 첫 달과 비교하면 품질 차이가 압도적.
레벨 2: "이 뉴스레터를 더 좋게 만들 프롬프트를 짜줘" → 메타 프롬프트 생성
레벨 3: 그 메타 프롬프트로 다시 작성 → 비교 → 더 나은 것 채택
레벨 4: 그 결과를 reflect로 CLAUDE.md에 패턴으로 저장
매번 같은 작업이 매번 더 나아집니다. 6개월 후 첫 달과 비교하면 품질 차이가 압도적.
🏆 Stage 8까지 도착했다면 — 당신은 더 이상 사용자가 아닙니다
여기까지 왔다면 당신은 AI 도구의 사용자가 아니라 AI 시스템의 운영자입니다. AI 한 명을 시키는 사람과 AI 팀을 운영하는 사람의 격차는 1년 후 100배입니다. VIBE MASTER 자체도 이 멀티에이전트 구조 위에서 진화하는 살아있는 커리큘럼이 됩니다.
🎯 Stage 8 산출물 — 이걸 만들어야 끝입니다
AI 팀 운영 시스템 + 살아있는 지식베이스
읽기만 하면 의미 없습니다. 멀티에이전트와 RAG는 글로 이해되지 않습니다 — 직접 셋업하고 한 번 작동시켜봐야 진짜로 보입니다. 아래 3개를 끝내면 더 이상 단일 AI 사용자가 아닙니다.
📚 Dify 지식베이스 + AI 튜터 RAG 응답 테스트
Dify 무료 가입 → 뉴스레터 아카이브 또는 VIBE MASTER 9개 Stage 마크다운 업로드 → 챗봇 앱 생성 → API 키 발급 → AI 튜터 fetch URL을 Dify로 교체 → "출처 포함된 답변" 한 번 받기 성공. 폴더:
integration/dify.md🎭 멀티에이전트 설계서 (AGENT.md)
5개 에이전트(오케스트레이터 + 리서처 + 라이터 + 리뷰어 + 퍼블리셔) 정의. 각 에이전트별 [name] [role] [input] [output] [tools] [forbidden] [hitl_required] [escalation] 명세. 통신 흐름도 포함. 파일:
AGENT.md + GOVERNANCE.md🔌 MCP 3개 이상 연결 + 실제 동작 확인
~/.claude/settings.json에 GitHub·Supabase·n8n MCP 최소 3개 등록. 환경변수 설정. Claude Code에서 자연어로 각각 호출 테스트(예: "오늘 가입자 수", "어제 머지된 PR", "n8n 워크플로우 상태"). 폴더:
~/.claude/settings.json
📎 Stage 연결 고리: 지금 만든
Dify RAG는 Stage 9에서 성장 분석에 활용됩니다 — PostHog 데이터 + Stripe 매출 + 사용자 피드백을 모두 RAG로 분석. 멀티에이전트 + 거버넌스는 VIBE MASTER 자체가 AI에 의해 운영·발전되는 살아있는 커리큘럼으로 진화하는 토대입니다. 이 Stage가 끝나면 학습자에서 운영자로 전환됩니다.
Stage 8 AI 튜터
MCP · 멀티에이전트 · HITL · RAG · Dify · 거버넌스
AI 튜터 응답